یک روش نوین استخراج ویژگی مبتنی بر شی با استفاده از ناحیه بندی به منظور طبقه بندی تصاویر ابر طیفی

با پیشرفت تکنولوژی، تصاویر ابرطیفی اطلاعات فراوانی را در زمینهی سنجش از راه دور در اختیار قرار میدهند. برتری این تصاویر نسبت به سایرین، کیفیت بالای آنها در محدودهی گستردهی امواج الکترومغناطیسی است. در تصاویر ابرطیفی، به علت محدودیت تعداد نمونههای آموزشی و ابعاد بالای آنها )عدم تناسب تعداد باندها با تعداد نمونههای آموزشی(، احتمال کاهش دقت طبقهبندی وجود دارد. به همین دلیل، به منظور حل این مشکل و استخراج اطلاعات نهفته در دادههای ابرطیفی، از روشهای مختلفی همچون کاهش و استخراج ویژگی استفاده میشود. بدین ترتیب، در راستای بهینه سازی نتایج استخراج ویژگی و دستیابی به بیشینه دقت عملکردی در طبقهبندی این نوع از تصاویر، میتوان از اطلاعات طیفی و مکانی آنها بهطور همزمان بهره برد. در این مقاله، به معرفی یک روش استخراج ویژگی مبتنیبر شی با بهره گیری از اطلاعات مکانی و طیفی تصاویر میپردازیم. روش پیشرو از چهار گام اصلی تشکیل شده است؛ در گام اول، از الگوریتم PCA با هدف استخراج اولیهی ویژگیهای برجستهی تصویر استفاده میکنیم. سپس در گام دوم، از فیلتر گابور برای دسترسی به اطلاعات مکانی تصویر بهره میگیریم. در ادامه، در راستای استخراج اطلاعات مکانی تصویر الگوریتم K-means بهعنوان یک روش پایه در زمینهی ناحیهبندی بر تصویر اعمال میشود.

کلیدواژه ها:

استخراج ویژگی ، طبقه بندی تصاویر ابرطیفی ، همسایگی پیکسل ها ، طبقه بندی مبتنی برشی